strlen() trong PHP: độ dài chuỗi theo byte và ký tự

strlen($string) trả về độ dài của chuỗi tính theo byte. Để đếm theo ký tự, điều bạn thật sự cần với tiếng Nhật, chữ có dấu và emoji, hãy dùng mb_strlen($string). Với văn bản tiếng Anh thông thường, hai hàm cho cùng một con số.

<?php
echo strlen('Hello'), "\n";         // 5 bytes
echo mb_strlen('Hello'), "\n";      // 5 characters

echo strlen('こんにちは'), "\n";     // 15 bytes
echo mb_strlen('こんにちは'), "\n";  // 5 characters

Khoảng trắng, dấu câu và ký tự xuống dòng đều được tính. strlen("a b\n") là 4.

Byte và ký tự trong UTF-8

Chuỗi PHP là một dãy byte, và UTF-8 dùng số byte khác nhau cho mỗi ký tự: 1 byte cho chữ cái và chữ số ASCII, 2 byte cho các chữ như é hay ж, 3 byte cho kana, kanji thông dụng, chữ Hán và các ký hiệu như €, và 4 byte cho phần lớn emoji cùng các chữ kanji hiếm như 𠮷. strlen() cộng số byte; mb_strlen() đếm số ký tự. Công cụ chuyển văn bản sang nhị phân cho bạn thấy các byte nằm sau bất kỳ chuỗi nào.

<?php
$samples = ['A', 'é', 'ж', 'あ', '漢', '€', '😀'];

foreach ($samples as $char) {
    printf("%s  strlen=%d  mb_strlen=%d\n", $char, strlen($char), mb_strlen($char));
}

$mixed = 'PHPで文字数';
printf("%s  strlen=%d  mb_strlen=%d\n", $mixed, strlen($mixed), mb_strlen($mixed));

Dùng strlen() khi số byte là điều quan trọng: một cột cơ sở dữ liệu giới hạn theo byte, kích thước tệp, một giao thức nhị phân. Dùng mb_strlen() cho mọi thứ con người đọc: bộ đếm ký tự, quy tắc "tối đa 20 ký tự", cắt văn bản bằng mb_substr().

Emoji và ký tự ghép từ nhiều code point

mb_strlen() đếm code point Unicode. Một số thứ người đọc thấy là một ký tự thực ra là nhiều code point ghép lại: emoji gia đình, lá cờ, màu da, hoặc một chữ cái cộng với dấu thanh ghép (combining accent).

<?php
$items = [
    'thumbs up'      => '👍',
    'with skin tone' => '👍🏽',
    'flag of Japan'  => '🇯🇵',
    'family'         => '👨‍👩‍👧',
    'e + accent'     => "e\u{0301}",
];

foreach ($items as $name => $text) {
    printf("%-15s %s  strlen=%2d  mb_strlen=%d\n", $name, $text, strlen($text), mb_strlen($text));
}

Muốn đếm những gì người đọc thấy là một ký tự (grapheme cluster), bạn cần grapheme_strlen() trong extension intl:

echo grapheme_strlen('👨‍👩‍👧');   // 1
echo grapheme_strlen('🇯🇵');     // 1

Với bộ đếm ký tự trên một form tiếng Nhật, mb_strlen() thường là đủ: mỗi chữ kana và kanji là một code point.

Độ rộng hiển thị với mb_strwidth

Trên terminal hoặc trong bố cục có độ rộng cố định, một ký tự tiếng Nhật toàn khổ (full-width) chiếm hai cột, còn katakana nửa khổ hoặc chữ Latin chiếm một cột. mb_strwidth() trả về độ rộng đó, cũng là điều mà quy tắc "全角は2文字" của người Nhật thường muốn nói.

<?php
foreach (['abc', 'ｱｲｳ', 'アイウ', '日本語', 'PHP入門'] as $s) {
    printf("%s  mb_strlen=%d  mb_strwidth=%d\n", $s, mb_strlen($s), mb_strwidth($s));
}

Kiểm tra chuỗi rỗng

Cách kiểm tra rõ ràng nhất là so sánh nghiêm ngặt với ''. strlen($s) === 0 cho cùng kết quả. empty($s) thì khác: hàm này cũng trả về true với chuỗi "0", vốn là một câu trả lời hợp lệ trong nhiều form.

<?php
foreach (['', '0', ' ', 'a'] as $s) {
    printf(
        "%-5s  === '': %-5s  strlen: %d  empty(): %s\n",
        var_export($s, true),
        var_export($s === '', true),
        strlen($s),
        var_export(empty($s), true)
    );
}

Một chuỗi chỉ toàn khoảng trắng không phải là chuỗi rỗng. Hãy cho nó qua trim() trước nếu chỉ có khoảng trắng thì cũng phải tính là không có gì.

strlen(null) và giá trị không phải chuỗi

strlen() cần một chuỗi. Truyền null vẫn trả về 0, nhưng từ PHP 8.1 sẽ có thông báo deprecation:

Deprecated: strlen(): Passing null to parameter #1 ($string) of type string is deprecated in /home/index.php on line 2

Một mảng sẽ ném ra TypeError: strlen(): Argument #1 ($string) must be of type string, array given.

Hãy ép kiểu hoặc gán giá trị mặc định trước, ví dụ strlen($value ?? ''). Số nguyên được chuyển thành chuỗi, nên strlen(12345) là 5. Để đếm phần tử của mảng, dùng count().

Kiểm tra độ dài dữ liệu người dùng nhập

Một quy tắc điển hình: tên người dùng dài từ 3 đến 16 ký tự, sau khi đã trim. Dùng mb_strlen() để tên tiếng Nhật được đo theo ký tự, không phải theo byte.

<?php
function checkUsername(string $name): string
{
    $name = trim($name);
    $length = mb_strlen($name);

    if ($length < 3) {
        return "\"$name\" is too short ($length characters, min 3)";
    }
    if ($length > 16) {
        return "\"$name\" is too long ($length characters, max 16)";
    }
    return "\"$name\" is OK ($length characters, " . strlen($name) . ' bytes)';
}

echo checkUsername('ad'), "\n";
echo checkUsername('ada_lovelace'), "\n";
echo checkUsername('やまだたろう'), "\n";
echo checkUsername('a_very_long_username_here'), "\n";

Nếu dùng strlen() thay cho mb_strlen(), やまだたろう sẽ được tính là 18 và bị từ chối vì quá dài, dù nó chỉ có sáu ký tự.